CN114495990B 一种基于特征融合的语音情感识别方法 （浙江工业大学）_第1页
CN114495990B 一种基于特征融合的语音情感识别方法 （浙江工业大学）_第2页
CN114495990B 一种基于特征融合的语音情感识别方法 （浙江工业大学）_第3页
CN114495990B 一种基于特征融合的语音情感识别方法 （浙江工业大学）_第4页
CN114495990B 一种基于特征融合的语音情感识别方法 （浙江工业大学）_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

明中设计的基于特征融合的语音情感识别网络明利用分类层特征融合的方法对语音情感进行识别，设计并实现了一种将MFCC(梅尔频率倒谱系数)的深层特征与传统的声学特征相融合的方21)使用python库函数librosa.feature.zero_crossing_rate()函数提取已保存数据2)使用python库函数librosa.feature.melspectrogram()函数提取已保存数据的梅3)使用python库函数librosa.feature.spectral_centroid()函数提取已保存数据的4)使用python库函数librosa.feature.mfcc()函数提取已保存数据的梅尔频率倒谱所述的深度特征提取子网是将上述的MFCC送入卷积神经网络CNN中，对该特征进行卷所述的分类器采用的损失函数是交叉熵损失函数，用该函数来衡量预测所述的分类层特征融合是根据特征提取器所提取出的语音特征以及深度特征提取子基于分类层的特征融合算法先对语音信号提取的特征类别记为n类，将这n这里的R函数表示的是分类层融合的规则，最后根据判决概率计算得到的预测标签根据步骤3提供的概率分布情况，在这些分类结果集合中选择概率最大的作为最后的34[0002]语音情感识别的过程类似于图像的分类过程，传统的识别过程主要分为三个方确性影响最大的是语音特征的选择和分类器模型的选择。常用的分类器包括支持向量机、[0003]本发明要克服现有技术的上述缺点，提供一种基于特征融合的语音情感识别方[0012]1)使用python库函数librosa.feature.zero_crossing_rate()函数提取已保存[0013]2)使用python库函数librosa.feature.melspectrogram()函数提取已保存数据5[0022]根据特征提取器所提取出的语音特征以及深度特征提取子网得到的深度特征进[0027]这里的R函数表示的是分类层融合的规则，最后根据判决概率计算得到的预测标[0032]根据步骤3提供的概率分布情况，在这些分类结果集合中选择概率最大的作为最[0035](2)将MFCC的深层特征与其他三种声学特征进行融合，扩大了数据的特征利用范[0036](3)利用分类层特征融合方法有效地利用了分类器识别概率提高了语音情感识别6[0047]1)使用python库函数librosa.feature.zero_crossing_rate()函数提取已保存[0048]2)使用python库函数librosa.feature.melspectrogram()函数提取已保存数据[0057]根据特征提取器所提取出的语音特征以及深度特征提取子网得到的深度特征进7[0068]

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论